基于知识数据化表达的制冷空调系统故障诊断方法

作     者：孙哲 金华强 李康 顾江萍 黄跃进 沈希 SUN Zhe;JIN Huaqiang;LI Kang;GU Jiangping;HUANG Yuejin;SHEN Xi

作者机构：浙江工业大学机械工程学院浙江杭州310014 浙江农林大学光机电工程学院浙江杭州311300 浙江工业大学教育科学与技术学院浙江杭州310014 

出 版 物：《化工学报》 (CIESC Journal)

年 卷 期：2022年第73卷第7期

页      面：3131-3144页

核心收录：

学科分类：080702[工学-热能工程] 0817[工学-化学工程与技术] 08[工学] 0807[工学-动力工程及工程热物理] 0703[理学-化学] 

基　　金：浙江省重点研发计划项目(2020C04010) 国家自然科学基金项目(51076143) 

主　　题：神经网络 热力学性质 算法 故障诊断 制冷空调系统 

摘      要：制冷空调系统广泛用于建筑环境调节,是建筑能耗的重要组成部分,而系统故障运行会造成15%~20%的能耗增加。以深度学习为代表的数据驱动方法是故障诊断的热点技术。然而,数据驱动需要依赖大量标记数据从而限制了其应用。针对上述问题,提出一种基于知识数据化表达的故障诊断方法,通过将故障诊断先验知识以数据化的形式表达弥补真实标记数据不足的难题。首先,提出以随机缩放策略为信息扩增手段的知识数据化方法,并利用添加噪声达到生成样本与真实样本一致性更优的目的。然后,提出基于基准模型的目标系统偏离特性表征方法,将目标系统数据与生成数据的格式统一。最后,利用生成数据训练模型并在ASHRAE RP-1043数据集上验证,综合诊断正确率达82.67%,与经典的监督学习方法效果接近且完全无须标记数据,具有广泛应用前景。